El Laboratorio Avanzado para Supercómputo en Geoestadística (ALGES) desarrolla herramientas y modelos para la caracterización de fenómenos geológicos mediante la predicción y cuantificación de la incertidumbre de variables, el modelamiento multivariable, y el desarrollo de software y supertcómputo para el análisis de datos geológicos, mineros y metalúrgicos. ALGES cuenta con investigadores, estudiantes y equipamiento para proyectos de investigación básica y aplicada en colabor

1. ALGES: LaboratorioAvanzadoparaSupercómputo en GeoestadísticaProgramaVinculación Universidad Empresa – Septiembre 2010 Julián M. Ortiz Director – ALGES – Universidad de Chile

2. Temario Presentación Integrantes Financiamiento Infraestructura Proyectos Spin-off Invitación

3. Presentación ALGES Advanced Laboratory for GeostatisticalSupercomputing ¿Quéhacemos en ALGES?: InvestigaciónBásica InvestigaciónAplicada Sofware de AplicaciónMinera Supercómputo y HPC Formamos parte del AMTC

4. Presentación La principal meta de ALGES es desarrollar herramientas y modelos para la caracterización de fenómenos geológicos Metas Predicción (estimación) de variables categóricas y continuas Cuantificación de la incertidumbre para la toma de decisiones Modelamientomultivariable (estimación y simulación) Desarrollo de software y modelamiento matemático: Análisis de imágenes de datos geológicos, mineros y metalúrgicos Supercómputo para modelamientogeoestadístico Optimización y toma de decisiones Procesamiento de datos geometalúrgicos

5. Presentación Tecnología TecnologíaMinera Sustentabilidad(Mineral, Agua, Energía) CienciasAplicadas Modelamiento de Recursos y Reservas Robóticaand Sensores Valoración, Prevención y Mitigación de Riesgos Monitoreo y Automatización de Procesos CienciasBásicas Geo-Recursos Inicio Exploración Planificación Desarrollo Operación Proceso& Stock Marketing

6. Integrantes Permanentes ÁlvaroEgaña, investigador – Ing. en Computación Xavier Emery, investigador– Ing. Matemático Willy Kracht, investigador – Ing. Químico Felipe Lema, investigador – Ing. Computación Eduardo Magri, contacto con industria – Ing. de Minas Julián M. Ortiz, director e investigador – Ing. de Minas Álvaro Parra, investigador – Ing. en Computación ExequielSepúlveda, investigador – Ing. en Computación Estudiante de Magíster Francisco Alcalde, Ingeniero de Minas Pamela Castillo, Geóloga Sebastián Pizarro, Ingeniero de Minas Carlos Puga, Ingeniero de Minas María Eugenia Segovia, Ingeniero de Minas ÁlvaroVergara, Ingeniero de Minas Juan Luis Yarmuch, Ingeniero de Minas Rodrigo Zúñiga, Ingeniero de Minas Estudiantes de Ingeniería: Gustavo Donoso, Ingenierode Minas Pedro Elissetche, Ingeniero de Minas Jimmy Ip, Ingeniero de Minas Ignacio Gálvez, Ingeniero de Minas Felipe Garrido, Ingeniero en Computación Felipe Muñoz, Ingeniero en Computación Jorge Saa, Ingeniero de Minas Pedro Valencia, Ingeniero en Computación Colaboradores: Alejandro Cáceres – Geólogo Oscar Peredo – Ingeniero en Computación y Matemáticas Javier Ruiz del Solar – IngenieroEléctrico Brian Townley– Geólogo

7. Financiamiento

8. Infraestructura Cluster (ubicado en datacenter de la Escuela de Ingeniería de la U de Chile) IBM BladeCenter 8852 con 4 servidores Cada servidor: 2 Procesadores Intel XeonQuadCore Total de 32 cores Red de alta velocidad 2 Tera Bytes de Almacenamiento Software y licencias: Matlab Isatis Gemcom

9. Proyectos Proyectos de Investigación Aplicada en curso: MGeoS MultivariateGeostatistical Software Desarrollado en Ambiente de Supercómputo (2009-2011) – financiado por Innova Corfo y AMTC MIMA MineralogicalImageAnalysis (Caracterización de mineralógica a través de Análisis de Imágenes) (2009-2010) – parcialmente financiado por AMTC BIMA BubblesImageAnalysis (Caracterización de la Distribución de tamaños de Burbujas para proceso de flotación a través de Análisis de Imágenes) (2009-2010) GeoWebHPC  Caracterización Geoestadística basado en Internet usando Computación de Alto Desempeño - HPC (2008-2011)

10. Proyectos Proyectos de InvestigaciónBásica en curso: Fondecyt Multiple Point Geostatistics for the Evaluation of Uncertainty in Geological Attributes and Grades (2009-2011) Fondecyt Multivariate Geostatistics and its Application to the Characterization of Mineral Resources (2009-2012) Cómputo en GPU: uso de poder de procesamiento de tarjétasgráficas

12. CAM-G  Computer Assisted Modeling of Geology – collaboration with BHP-B

13. MQA  Multivariate Geostatistical Analysis for Quantitative Alteration Characterization – collaboration with BHP-BProyectosrecientementeiniciados con Mina El Tesoro: El Tesoro Modelamientobivariablede CuT y CuS en presencia de muestreopreferencial (Septiembre 2010 – Enero 2011)

14. U-Mine: Modelamientounivariable Análisis exploratorio HERRAMIENTAS Visualización2D/3D TOOLS Variografía Estimación Simulación

15. U-Mine Scientific and technological innovation

16. MIMA AnálisisMineralógico de Imágenes (Caracterización de sondajes a través de análisisimágenes) (2009-2010) – parcialmentefinanciadopor AMTC METAS Identificación semi-supervisada de especiesmineralógicasdesdefotosdigitales de sondajes MineralogíaCuantitativa Inferencia de ley, asociaciones, liberación, etc. Modificaciónparamapeogeológico: Litologías; Texturas  muyrelevanteparaaplicaciones en geo-metalurgía, petróleo y gases; Alteraciones; y aplicaciones en mecánica de rocas y geotecnia Software puede ser aplicado a otrasproblemas de análisis de imágenes: porejemplodistribución de burbujas

17. MIMA EJEMPLO 1 2 3 Limpieza Etapa 1 Fotografía Digital Original Primera Segmentación 4 5 Limpieza Etapa 2 Identificación basada en Estadística de Componentes Principales

18. MIMA Caracterizandosondajes a través de análisis de imágenes Métodoeficiente y de bajocosto. Permiteproducirgrancantidad de información Mueve el valor desde la captura de datos a la interpretación de los datos el equipo de geologíagastasutiempo en entender y no en capturarinformación Mineralogía Geometalurgia Leyes Gangas Mineral

19. GeoWebHPC + MGeoS Implementación de geoestadísticamultivariable en un ambiente de HPC y supercómputo–financiado por CorfoInnova + AMTC METAS Análisis Multivariable para aplicaciones geo-mineras-metalúrgicas Capacidad para manejar grandes bases de datos en modelos de alta resolución Acceso a técnicas muy rápidas de cómputo Alta capacidad centralizada para proveer servicios a la industria

20. MGeoS MGeoS: Multivariate Geostatistical Software Motivación Evaluación de recursos y reservas de minerales Incorporación de relacionesmultivariables Financiamiento INNOVA: “Multivariatemodelingfor ore bodyevaluation” (2010-2012): 407 MM$ de CORFO Participantes: Universidad de Chile, Codelco Chile

21. MGeoS Metas Modelamiento multivariable de atributos geo-metalúrgicos Capacidad de manejarmodelosgigantes (sobre 10.000.000 de puntos) Computación de Alto Desempeño -- HPC Multi-platforma Mejora la forma de la interfazusuario

22. BIMA Reactivos Aire (burbujas) 5 mm BIMA: Análisis de Imágenesparadeterminar la distribución de tamaño de burbujas Concentrado

23. BIMA Adaptar el software de análisis de imágenesparadeterminar la distribución de tamaños de burbuja Identificación y tamaño de burbujas Análisis de clusters de burbujas Presentación de datos Establecer y validar un protocolo de muestreoparamedir el tamaño de burbujas en el proceso de flotación Determinar el mínimonúmero de burbujasrequeridaspara la distribución Determinar el protocolo de muestreo en el sitio

25. A un nivel comercial

26. Soporte global

27. Posicionar a Chile como un actor principal en la industria del software minero

29. Invitación ALGES Investigación de Punta Minería Ciencias de la Computación Equipo humano multidisciplinario Fuertes capacidades para el manejo de datos y procesamiento Capacidad para abordar proyectos de corto y largo alcance Importante empresas mineras desarrollan investigación con ALGES

30. ALGES: LaboratorioAvanzadoparaSupercómputo en GeoestadísticaProgramaVinculación Universidad Empresa – Septiembre 2010 Julián M. Ortiz Director – ALGES – Universidad de Chile